Fugu-MT 論文翻訳(概要): Time-dependent atomic magnetometry with a recurrent neural network

論文の概要: Time-dependent atomic magnetometry with a recurrent neural network

arxiv url: http://arxiv.org/abs/2007.13562v2
Date: Mon, 7 Dec 2020 14:59:48 GMT
ステータス: 処理完了
システム内更新日: 2023-05-08 02:37:31.600427
Title: Time-dependent atomic magnetometry with a recurrent neural network
Title（参考訳）: リカレントニューラルネットワークを用いた時間依存原子磁気計測
Authors: Maryam Khanahmadi, Klaus M{\o}lmer
Abstract要約: エンコーダ・デコーダアーキテクチャのニューラルネットワークは,計測データを処理し,記録信号と時間依存磁界の間の正確なマップを学習できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose to employ a recurrent neural network to estimate a fluctuating magnetic field from continuous optical Faraday rotation measurement on an atomic ensemble. We show that an encoder-decoder architecture neural network can process measurement data and learn an accurate map between recorded signals and the time-dependent magnetic field. The performance of this method is comparable to Kalman filters while it is free of the theory assumptions that restrict their application to particular measurements and physical systems.
Abstract（参考訳）: 我々は,原子アンサンブル上の連続光ファラデー回転測定から変動磁場を推定するために,リカレントニューラルネットワークを用いることを提案する。エンコーダ・デコーダアーキテクチャのニューラルネットワークは,計測データを処理し,記録信号と時間依存磁界の間の正確なマップを学習できることを示す。この手法の性能はカルマンフィルタに匹敵するが、特定の測定系や物理系への応用を制限する理論上の仮定からは自由である。

関連論文リスト

Quantum dynamic response-based NV-diamond magnetometry: Robustness to decoherence and applications in motion detection of magnetic nanoparticles [5.067521928161945]
本稿では,物理観測器の動的応答を量子系のクエンチに活用する新しい量子センシングプロトコルを提案する。具体的には、ダイヤモンド中の窒素空孔色中心を用いて、量子応答によるスカラーとベクトル磁気学の両方を実現する。従来の干渉型センサでは難しい磁性ナノ粒子の運動を検出する手法を提案する。
論文参考訳（メタデータ） (2023-07-11T13:44:37Z)
Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction [21.261567937245808]
本研究は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と整合するようにネットワークを適合させる再構築手法を提案する。提案手法は,最先端の未訓練畳み込みニューラルネットワークと同等あるいはわずかに優れた画像品質を実現する。
論文参考訳（メタデータ） (2023-05-11T14:14:30Z)
Label-free timing analysis of SiPM-based modularized detectors with physics-constrained deep learning [9.234802409391111]
モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-24T09:16:31Z)
Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文参考訳（メタデータ） (2022-06-30T17:45:05Z)
A Neural Network Assisted $^{171}$Yb$^{+}$ Quantum Magnetometer [40.61445850211335]
汎用磁気センサは、幅広いパラメータのターゲットフィールドに露出した場合、読み取り可能な応答を提供する必要がある。我々は、適切に訓練されたニューラルネットワークと171ドルのYb$+$の原子センサーを組み合わせることで、挑戦的なシナリオにおいてターゲットフィールドを調査できることを実験的に実証した。
論文参考訳（メタデータ） (2022-03-11T10:53:46Z)
Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文参考訳（メタデータ） (2021-10-13T21:51:56Z)
Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-07-16T12:56:09Z)
Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文参考訳（メタデータ） (2021-04-06T18:29:14Z)
Controlled coherent dynamics of [VO(TPP)], a prototype molecular nuclear qudit with an electronic ancilla [50.002949299918136]
本稿では,[VO(TPP)](バナジルテトラフェニルポルフィリン酸塩)が量子計算アルゴリズムの実装に適していることを示す。超微細相互作用によって結合された電子スピン1/2を核スピン7/2に埋め込み、どちらも顕著なコヒーレンスによって特徴づけられる。
論文参考訳（メタデータ） (2021-03-15T21:38:41Z)
Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文参考訳（メタデータ） (2020-07-07T08:22:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。